귀무가설 대립 가설 쉽게 이해하기(빅데이터 분석기사 실기)

✅ 1. 귀무가설 / 대립가설 쉽게 이해·암기하기

🎯 핵심 한 줄 암기

• 귀무가설(H₀): 변화 없음 / 차이 없음 / 효과 없음
• 대립가설(H₁): 변화 있음 / 차이 있음 / 효과 있음

즉,
▶ 귀무가설은 ‘현 상태 유지’ 주장
▶ 대립가설은 ‘달라졌다!’ 변화 주장

---

🎓 더 쉽게 이해하는 비유

◼ 귀무가설 = 기본 설정(Default)

“원래 그렇다”, “차이가 없다", “효과 없다”

◼ 대립가설 = 새로운 주장(Claim)

“달라졌다”, “차이가 있다”, “효과 있다”

---

🔥 자주 쓰는 형태 3가지 (시험 필수)

빅데이터분석기사에서 가장 자주 등장하는 가설 구조는 아래 3가지야.

1) 평균 비교 문제

• 귀무가설(H₀): 두 집단 평균은 차이가 없다
• 대립가설(H₁): 두 집단 평균은 차이가 있다

2) 비율 비교 문제

• 귀무가설(H₀): A와 B의 비율이 같다
• 대립가설(H₁): A와 B의 비율이 다르다

3) 카이제곱 독립성 검정

• 귀무가설(H₀): 두 변수는 독립이다(관계 없다)
• 대립가설(H₁): 두 변수는 독립이 아니다(관계 있다)

---

🧠 암기 팁(시험용)

💡 무(無)가설 → “없다”라고 외우기

• 차이 없다
• 관계 없다
• 변화 없다
• 효과 없다

💡 ‘있다’라고 주장하는 쪽은 대립가설

• 차이 있다
• 관계 있다
• 효과 있다

---

✅ 2. 빅데이터분석기사 실기 스타일 예시 문제 + Python 코드

아래는 실제 실기에서 자주 나오는 유형으로 구성했어.

---

📌 예시 문제 1 — 독립표본 t-검정

문제:
데이터프레임 df에는 고객의 성별(gender)과 구매금액(amount)이 있다.
성별에 따라 구매금액 평균이 다르다고 볼 수 있는지 검정하라.

---

✔ 가설 설정

• H₀: 성별에 따른 구매금액의 평균은 차이가 없다
• H₁: 성별에 따른 구매금액의 평균은 차이가 있다 (양측검정)

---

✔ 파이썬 코드 (pandas + scipy)

 

---

📌 예시 문제 2 — 카이제곱 독립성 검정

문제:
df에는 고객의 성별(gender)과 구매여부(buy)가 있다.
성별과 구매여부 간에 관련성이 있는지 검정하라.

---

✔ 가설 설정

• H₀: 성별과 구매여부는 독립이다(관련 없음)
• H₁: 성별과 구매여부는 독립이 아니다(관련 있음)

---

✔ 파이썬 코드 (pandas + SciPy)

 

---

📌 예시 문제 3 — 평균이 기준값과 다른지 (단일 표본 t검정)

문제:
제품의 평균 무게가 100g인지 검정하라.

---

✔ 가설 설정

• H₀: 제품 평균 무게는 100g이다
• H₁: 제품 평균 무게는 100g이 아니다

---

✔ 파이썬 코드

 

---

📌 예시 문제 4 — 두 분포 비율 차이 검정(두 비율 z-test)

문제:
남성 구매율과 여성 구매율이 다른지 검정하라.

---

✔ 가설 설정

• H₀: 남녀 구매율은 차이가 없다
• H₁: 남녀 구매율은 차이가 있다

---

✔ 파이썬 코드

 

---

✨ 최종 요약(시험용 빠른 암기)

📌 귀무가설(H₀)

➡ 변화 없음 / 차이 없음 / 관계 없음 / 효과 없음

📌 대립가설(H₁)

➡ 변화 있음 / 차이 있음 / 관계 있음 / 효과 있음

📌 p값 < 0.05

➡ 귀무가설 기각 → “차이 있다” 인정

---

원하면 위 내용을 PDF로 깔끔하게 정리해서 만들어줄 수도 있어!
또는 추가 예시 문제, 실기 기출 유형 요약도 만들어줄까?